Klasifikasi Kanker Payudara menggunakan Ekstraksi Ciri Metode Statistik

##plugins.themes.academic_pro.article.sidebar##

Published Nov 24, 2016
https://doi.org/10.32722/multinetics.v2i2.1111
Download
PDF (Bahasa Indonesia)
Statistic
Vol. 2 No. 2 (2016): MULTINETICS Nopember (2016)

##plugins.themes.academic_pro.article.main##

Muhammad Fuad
Fakultas Teknik, Universitas Trunojoyo
Wahyudi Setiawan
Fakultas Teknik, Universitas Trunojoyo

Abstract

Kanker Payudara merupakan penyakit degeneratif yang menyerang jaringan pada payudara. Tingginya penderita kanker payudara disebabkan karena minimnya informasi. Penderita dengan stadium akhir sering dijumpai akibat dari ketiadaan pencegahan dan pengobatan di stadium awal. Pemeriksaan dini diperlukan untuk mengatasi perkembangan penyakit lebih lanjut. Pemeriksaan kanker payudara disebut juga dengan mammografi. Mammografi merupakan teknik penyinaran dengan sinar X dosis rendah untuk mendapatkan citra. Citra mammogram dapat membantu dokter untuk memastikan keberadan sel-sel kanker yang ada dalam payudara. Citra yang telah didapat dari proses mammografi akan dilakukan ekstraksi ciri. Ekstraksi ciri merupakan proses untuk mendapatkan ciri-ciri tertentu sebagai pembeda dari ciri yang lain. Pada penelitian ini ekstraksi ciri menggunakan metode statistik yaitu mean, standar deviasi, variance, skewness, kurtosis dan entropy. Klasifikasi menggunakan k-Nearest Neighbour. Citra uji berasal dari MIAS (Mammographics Images Analysis Society).  Dataset yang digunakan sebanyak 15 citra mammografi, terdiri dari 3 kelas yaitu normal, jinak dan ganas

##plugins.themes.academic_pro.article.details##

How to Cite
Fuad, M., & Setiawan, W. (2016). Klasifikasi Kanker Payudara menggunakan Ekstraksi Ciri Metode Statistik. MULTINETICS, 2(2), 54–58. https://doi.org/10.32722/multinetics.v2i2.1111

References

  1. M.McDonald, R.P.Hertz and S.W.P. Lowenthal, “The Burden of Cancer in Asia”, Pfizer,USA, December 2008
  2. P.B Tintu and R.Paulin,”Detect Breast Cancer using Fuzzy C Means Technique in Wisconsin Prognostic Breast Cancer (WPBC) Datasets, International Journal of Computer Application Technology and Reasearch (IJCATR), Vol 2 Issue 5, Sept-Oct 2013
  3. A.M Elsayad and H.A Elsalamony,”Diagnosis of Breast Cancer Using Decision Tree Models and SVM, International Journal of Computer Application, Vol 83 No 5,pp 19 – 29, December 2013
  4. G.I Salama and M.A Zeid,”Breast Cancer Diagnosis on Three Different Datasets using Multi Calssifier, International Journal of Computer and Information Technology, Vol 1 Issue 1, pp 36 – 43, September 2012
  5. Zaheeruddin, Z.A Jaffery and L. Singh,”Dectection and Shape Feature Extraction of Breast Tumor in Mammograms, in Proc of the world Congress on Engineering, Vol 2, London,UK, July 2012
  6. C.F. da Cruz, “Automatic Analysis of Mammography Images : Enhancement and Segmentation Techniques, M.Sc Thesis, University of Porto, July 2011
  7. Luna-Benosa, J.C.M. Perales, R.F. Carapia and V.M.S. Garcia,” Identification of Abnormalities in Mammograms Images using Methods in the Spatial Domain”, Applied Mathematical Science, Vol 7 No 134, pp 6696 – 6704, September 2013
  8. K.I Satoto, O.D. Nurhayati and R.R. Isnanto,”Pattern Recognition to Detect Breast Cancer Thermogram Images Based on Fuzzy Inference System Method, IJCST, Vol 2 Issue 3, pp 485-487, September 2011
  9. B.P.U. Ivy, J.Saranya and S. Subashini,”Diagnosis of Breast Cancer”, IJCSET, Vol 2 Issue 2, pp 865 – 868, February 2012
  10. I.K. Maitra, S.Nag and S.K Bandyopadhyay,”Identification of Abnormal Masses in Digital Mammography Images, International Journal of Computer Graphics, Vol 2 No 1, pp 19 – 30, May 2011
  11. S.A. Mane and V. Kuhalli, “Gabor Wavelet Analysis for Mammogram in Breast Cancer Detection”, International Journal on Recent and Innovation Trends in Computing and Communication, Vol 2 Issue 4, pp 778 – 781, April 2014
  12. H.S. Sheshadri,”Detection of Breast Cancer by Mammogram Image Segmentation”, CancerJournal, Vol 1 Issue 4, pp 232-234, December 2015
  13. A.F Clark (2012), The MINI MIAS Database of Mammograms {ONLINE} Available : peipa.essex.ac.uk/info/mias.html
  14. Y.Permadi dan Murinto,”Aplikasi Pengolahan Citra untuk Identifikasi Kematangan Timun berdasarkan Tekstur Kulit buah menggunakan metode Ekstraksi Ciri Statistik, Jurnal Informatika, Vol 9 No 1, hal 1025 – 1038, Januari 2015
  15. H.S.Sheshadri and A. Kandaswamy,”Breast Issue Classification using Statistical Feature Extraction of Mammograms, Vol 23 no 3 , pp 105 – 207, June 2006